WhiteFiber heeft bewezen twee datacenters te hebben verbonden over een afstand van 83 kilometer, zodat ze functioneren als één logische GPU-cluster. De eerste onderzoeks- en ontwikkelingsproeven bereikten een gecombineerde bandbreedte van 111,2 Tbps via donkere vezel en een round-trip latency van slechts 0,9 milliseconden, volgens de gegevens die het bedrijf heeft gepubliceerd.
Dit resultaat wijst op een oplossing voor een van de grootste beperkingen van grootschalige kunstmatige intelligentie-infrastructuren: het vinden van voldoende elektriciteit, koeling en ruimte op één locatie. Toch heeft het bedrijf nog niet alle technische details en belastingstests vrijgegeven om te bevestigen hoeveel van dat optische prestatieniveau daadwerkelijk wordt benut door gedistribueerde trainingsapplicaties. De commerciële lancering staat gepland voor het derde kwartaal van 2026.
De kernpunten van het white-fiber gedistribueerde cluster in 20 seconden
- De test verbond twee datacenters op 83 kilometer afstand.
- WhiteFiber rapporteert een totale bandbreedte van 111,2 Tbps.
- De gegarandeerde round-trip latency was 0,9 milliseconden.
- De verbinding maakt gebruik van donkere vezel en benut slechts een deel van het beschikbare spectrum.
- Het bedrijf is van plan het volledige spectrum te verlichten vóór de lancering.
- DriveNets levert het Ethernet-netwerkkern tussen de locaties.
- WEKA NeuralMesh verzorgt gegevens- en geheugendiensten.
- WhiteFiber streeft ernaar beide centra te laten functioneren als één logisch GPU-cluster.
- De commerciële beschikbaarheid wordt verwacht in Q3 2026.
- Het aantal GPU’s, hun modellen en de efficiëntie bij training zijn niet bekendgemaakt.
- Er ontbreken ook onafhankelijke resultaten ter bevestiging van de claims.
- De octrooiaanvragen zijn nog in behandeling en garanderen geen succes.
De 111,2 Tbps komt overeen met een theoretisch maximum van ongeveer 13,9 terabyte per seconde. Dit is een aanzienlijke capaciteit voor een metropolitane interconnectie, maar moet worden geïnterpreteerd als de totale bandbreedte van de infrastructuur, niet als de snelheid die elke GPU daadwerkelijk bereikt of de effectieve prestaties voor AI-taken.
Afstand wordt een fysieke beperking, maar niet uit software weggenomen
WhiteFiber presenteert haar architectuur als een manier om de traditionele datacentergrens te doorbreken. In plaats van het hele cluster binnen één locatie te bouwen, verdeelt het bedrijf de computationele capaciteit over twee locaties en gebruikt het een hoge-capaciteit netwerk zodat beide als één systeem functioneren.
Deze aanpak speelt in op een steeds vaker voorkomende beperking. Grootschalige AI-clusters groeien niet alleen door meer GPU’s aan te schaffen, maar ook door de benodigde elektriciteit, transformatoren, koeling, oppervlakte, connectiviteit en vergunningen te vergaren. Al deze resources op één locatie samenbrengen kan jaren duren of soms onmogelijk blijken.
Het opsplitsen van infrastructuur maakt gebruik van twee energiereserves en verhoogt de capaciteit zonder te wachten tot één locatie meer racks aankan. Het vergemakkelijkt ook het scheiden van foutdomeinen en het behouden van data op de plek waar deze gegenereerd werden.
De uitdaging ligt in de situatie waarin dezelfde taak GPU’s in beide centra moet gebruiken. Distributieve training wisselt gradienten, parameters en status met hoge frequentie uit. De snelheid van de fiber voorkomt dat de bandbreedte een duidelijk knelpunt vormt, maar de latency blijft een factor die de synchronisatie beïnvloedt.
De fysieke afstand verklaart grotendeels de 0,9 milliseconden latency. Licht reist door glasvezel met ongeveer 200.000 kilometer per seconde. 83 kilometer afleggen, terugkeren en door het netwerk gaan laat weinig speling voor verdere vermindering. WhiteFiber beweert dat haar resultaat ongeveer 8% boven de fysieke limiet ligt voor die trajectafstand.
In de buurt van die minimumwaarde betekent de afstand niet dat de gevolgen wegdoen. Een vertraging van 0,9 ms staat gelijk aan circa 900 microseconden, wat ver boven de gebruikelijke internal latency binnen datacenters ligt. Bij herhaalde operaties kan die vertraging zich opstapelen, waardoor dure GPU’s wachten zonder productief werk.
Onderzoek naar gedistribueerde training tussen datacenters toont dat grote netwerkafstanden soms leiden tot inactieve periodes, zelfs bij gebruik van technieken die bandbreedte optimaliseren en communicatie structureren. Experimenten zoals ATLAS verbeteren de tijden aanzienlijk vergeleken met traditionele aanpakken, maar vereisen dat de trainingplanning wordt aangepast aan de netwerkomstandigheden.
Daarom is niet alleen de optische capaciteit de doorslaggevende factor. WhiteFiber moet aantonen welke modellen ze tussen de twee locaties kan trainen, welk paralellisme wordt gebruikt en hoeveel efficiëntie wordt behouden ten opzichte van het uitvoeren van dezelfde taak binnen één datacenter.
111,2 Tbps bewijzen niet automatisch een supercluster van GPU’s
De verklaring van WhiteFiber stelt dat de twee centra fungeren als één enkel supercluster, in plaats van twee verbonden systemen. Dit is een belangrijke nuance, maar ontbreekt nog in voldoende detail in de documentatie.
De onderneming heeft niet bekendgemaakt hoeveel GPU’s in de testen werden gebruikt, welk type en hoe deze verdeeld waren. Ook ontbreken resultaten van collectieve operaties zoals AllReduce, AllGather of All-to-All, die essentieel zijn om het gedrag van gedistribueerde training te evalueren.
Bovendien ontbreken gegevens over de werkelijke prestatie van toepassingen. Een transporttest kan verkeer synthetisch vullen en dicht bij de nominale capaciteit komen, maar echte modellen communiceren anders, met verschillende patronen, synchronisatiebarrières, afhankelijk van datagroottes en periodes van niet-gebruik van het volledige kanaal.
Kijkpunten voor evaluatie zijn onder andere de schaalbaarheidsefficiëntie, tokens per seconde, GPU-gebruik, tijd per trainingsstap en de prestatieverschillen ten opzichte van een gelijkwaardig cluster in één enkele locatie.
Ook de stabiliteitsgegevens, zoals fluctuaties in latency, pakketverlies, retransmissies, gedrag bij fibre failure en heroriëntatie van het verkeer, zijn belangrijk. Een lage gemiddelde latency gaat niet automatisch samen met pieken die synchronisatieproces beïnvloeden.
WhiteFiber beweert dat beide locaties verkeer in productie tegelijk afhandelen, en dat bij uitval van één locatie de andere zonder onderbreking doorgaat. De netwerkinfrastructuur kan dus operationeel blijven, maar het voortzetten van training hangt ook af van software, checkpoints en het vermogen om met minder GPU’s door te gaan.
Als een training beide locaties gebruikt en er valt één weg, dan is het niet alleen de netwerkverbinding die bepalend. Het systeem moet de gedeactiveerde processen verwijderen, communicatiegroepen herstellen en de modelstatus herstellen. Dat is een belangrijke verschil tussen infrastructuurcontinuïteit en operationele continuïteit van de toepassing.
DriveNets voor het netwerk en WEKA voor datamobiliteit
WhiteFiber heeft de oplossing gebouwd in samenwerking met DriveNets en WEKA. DriveNets levert het draadloze kernnetwerk dat de datacenters verbindt, terwijl WEKA NeuralMesh de data-infrastructuur en het geheugenbeheer verzorgt voor het cluster.
Het gebruik van Ethernet weerspiegelt een bredere trend binnen AI-fabrieken. Grote operators zoeken open netwerken die schaalbaar zijn met apparatuur van verschillende fabrikanten en gebruikmaken van optische technologieën die voor telecomnetwerken ontwikkeld zijn.
Ethernet moet echter veel voorspelbaarder gedrag bieden dan standaard bedrijfsnetwerken. Distributieve trainingen genereren gelijktijdige grote stroompjes data en kunnen congestie veroorzaken bij veel gelijktijdige communicatie van servers. Queue-beheer, load balancing en snelle reactie bij verzwakte links zijn net zo belangrijk als de nominale snelheid.
De opslaglaag speelt een essentiële rol. De twee datacenters moeten toegang kunnen krijgen tot data, checkpoints en trainingstatussen zonder extra knelpunten te creëren. WhiteFiber noemde een gedistribueerde data- en geheugeninfrastructuur, maar geeft nog niet aan welke gegevens worden gerepliceerd, hoe coherentie wordt gehandhaafd of welke prestaties worden bereikt bij lezen en schrijven op beide locaties.
Het bedrijf stelt dat gevoelige data op de originele locatie blijven, terwijl alleen de gradienten het netwerk doorkruisen. Deze opzet kan helpen om aan locatie-eisen te voldoen, maar garandeert op zichzelf geen privacy of naleving van regelgeving.
Specifieke studies tonen dat gradienten onder bepaalde omstandigheden kunnen onthullen welke data tijdens training zijn gebruikt, of zelfs gehele beelden of tekstfragmenten kunnen reconstrueren. Bij gebruik in medische of financiële contexten zijn aanvullende maatregelen nodig, zoals encryptie, isolatie, veilige aggregatie, dataminimalisatie en juridische evaluaties.
Ook simpelweg data op meerdere locaties behouden, garandeert niet dat regelgeving zoals DORA of sectorale normen automatisch worden nageleefd. Naleving hangt af van wie de systemen beheert, waar de afgeleide data worden verwerkt, wie toegang heeft, en welke auditing- en herstelprocedures worden gevolgd.
Een antwoord op de energievraag bij grote clusters
WhiteFiber’s aanpak is bijzonder relevant in een tijd waarin de vraag naar AI-infrastructuur sneller groeit dan de beschikbare elektriciteitscapaciteit in bepaalde markten. Via vezelnetwerken meerdere centra verbinden maakt een grote logische capaciteit mogelijk zonder volledige centralisatie van energiebronnen.
Dit model kan gebruik maken van faciliteiten met beschikbare energie die niet groot genoeg zijn voor individuele clusters. Het biedt ook een manier om clusters uit te breiden zonder het oorspronkelijke terrein te herbouwen of jaren te wachten op nieuwe stroomkoppelpunten.
Telecombedrijven kunnen hiervan profiteren door hun metro-vezelnetwerken, locaties en ervaring in optische netwerken te gebruiken. Als computationele workload met acceptabele prestatieverlies kan worden toegevoegd, zouden bestaande netwerkapparaten kunnen fungeren als AI-infrastructuynodes.
Het past ook binnen het strategisch streven naar technologische soevereiniteit. Organisaties kunnen gegevens in verschillende regio’s bewaren en samen trainen zonder originele bestanden te hoeven verplaatsen. De architectuur biedt meer opties dan centralisatie, hoewel wettelijke en compliance-kwesties niet automatisch worden opgelost.
Resilience is een ander voordeel. Twee centra verminderen afhankelijkheid van één transformator, koelingssysteem of gebouw. Maar de verbindingen moeten redundant en fysiek gescheiden zijn, anders wordt de interconnectie zelf een knelpunt.
WhiteFiber heeft nog niet bekendgemaakt hoeveel fysieke routes worden gebruikt, of of de 83 km één enkele route zijn of meerdere paden. Die informatie is nodig om de claims over continuïteit en maximale capaciteit goed te kunnen beoordelen.
Commerciële lancering moet meer bewijzen leveren
WhiteFiber is van plan het volledige spectrum van de fiber vóór de marktintroductie in Q3 2026 te benutten, en dan ook meer details te publiceren over architectuur, beschikbaarheid en prijzen.
De eerste test bewijst dat meer dan 100 Tbps kan worden overgedragen tussen twee centraal gelegen datacenters met een latency bijna gelijk aan de fysieke limiet. Maar of dat daadwerkelijk een functionele supercluster betekent, vereist meer bewijs.
Daartoe moeten echte GPU-implementaties worden getest, vergeleken met een enkel datacenter, en moeten protocollen, kosten en redundantie worden geëvalueerd. Ook de kosten van optische hardware, bekabeling, netwerkapparatuur en noodvoorzieningen zullen bepalend zijn voor de haalbaarheid.
Economische factoren kunnen net zo belangrijk zijn als technische prestaties. Donkere vezel met decoders en versterkers, en de bijbehorende personeelskosten, moeten betaalbaar en snel zijn; anders levert het investeren in deze oplossing niet de gewenste meerwaarde op ten opzichte van uitbreidingen binnen één datacenter.
De 111,2 Tbps-waarde laat zien dat optische transport in metropolitane afstanden niet langer de grootste beperkende factor is. De essentiële vraag is of de softwarelaag, databeheer en dagelijkse operatie kunnen profiteren zonder significante verliezen in GPU-prestaties.
WhiteFiber biedt een veelbelovende aanpak om AI-fabrieken verder buiten het gebouw te brengen. Het derde kwartaal van 2026 moet aantonen dat deze architectuur werkt met echte workloads en niet enkel als een experimentele lab-interconnectie.
Veelgestelde vragen
Wat heeft WhiteFiber bereikt met haar tests?
Het bedrijf meldt een totale bandbreedte van 111,2 Tbps en een round-trip latency van 0,9 ms tussen twee datacenters op 83 km afstand.
Werken de twee centra al als één enkel supercluster?
WhiteFiber bevestigt dat de architectuur in R&D-testen is gevalideerd, maar de commerciële dienst zal pas in Q3 2026 beschikbaar zijn.
Is de 111,2 Tbps-snelheid de snelheid van één GPU?
Nee. Het betreft de totale bandbreedte van de optische verbinding. De daadwerkelijke prestaties voor iedere GPU hangen af van het aantal, het interne netwerk en de load.
Garandeert het opslaan van data in elk centrum privacy?
Nee. Lokalisatie helpt, maar gradienten en andere afgeleide data kunnen ook gevoelige informatie bevatten. Extra technische, organisatorische en juridische maatregelen zijn vereist.